特許 6011127 行為検出プログラム及び行為検出装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6011127

(24)【登録日】2016年9月30日

(45)【発行日】2016年10月19日

(54)【発明の名称】行為検出プログラム及び行為検出装置

(51)【国際特許分類】

   G06F 3/01 20060101AFI20161006BHJP

【ＦＩ】

   G06F3/01 570

【請求項の数】5

【全頁数】14

(21)【出願番号】特願2012-174069(P2012-174069)

(22)【出願日】2012年8月6日

(65)【公開番号】特開2014-32606(P2014-32606A)

(43)【公開日】2014年2月20日

【審査請求日】2015年3月6日

(73)【特許権者】

【識別番号】000005496

【氏名又は名称】富士ゼロックス株式会社

(74)【代理人】

【識別番号】100071526

【弁理士】

【氏名又は名称】平田 忠雄

(74)【代理人】

【識別番号】100124246

【弁理士】

【氏名又は名称】遠藤 和光

(72)【発明者】

【氏名】湯澤 秀人

【審査官】 松田 岳士

(56)【参考文献】

【文献】 特開２０１０−１９８５９５（ＪＰ，Ａ）

【文献】 特開２０１１−２０６２７４（ＪＰ，Ａ）

【文献】 特開２００３−３０２４１９（ＪＰ，Ａ）

【文献】 特開２００８−２９２２９４（ＪＰ，Ａ）

【文献】 齊賀 弘泰 他，多人数会話におけるうなずきの会話制御としての機能分析，情報処理学会研究報告 平成２２年度▲１▼ ［ＣＤ−ＲＯＭ］，日本，社団法人情報処理学会，２０１０年 ６月１５日

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ａ６１Ｂ ５／０６ −５／１１

Ａ６１Ｂ ５／１１７−５／２２

Ｇ０６Ｆ ３／０１

Ｇ０６Ｆ ３／０３ −３／０４８９

(57)【特許請求の範囲】

【請求項1】

コンピュータを、
動きを伴う行為を判別する対象から検出された複数の軸の加速度情報について、予め定めた時間幅で複数の区間に分割された各区間の加速度の分散を算出し、連続する前記複数の区間内において複数の軸の分散の合計値に基づいて分散が最大となる区間を前記複数の軸に共通する候補領域として抽出する候補領域抽出手段と、
前記候補領域の前後に予め定めた時間幅だけ移動した区間において分散を算出し、前記候補領域及び前記前後の区間のうち分散が高い区間を新たに候補領域として選定する候補領域選定手段と、
前記候補領域選定手段が選定した前記候補領域について特徴量を算出する特徴量算出手段と、
前記特徴量算出手段が算出した前記特徴量に基づいて、前記対象の行為を判別する判別手段として機能させるための行為検出プログラム。

【請求項2】

前記判別手段は、決定木に基づいて前記特徴量から前記対象の行為を判別する請求項１に記載の行為検出プログラム。

【請求項3】

前記判別手段は、前記特徴量のうち前記対象の側方の方向成分に基づいてノイズを判別し、記対象の行為としてうなずき動作を判別する請求項２に記載の行為検出プログラム。

【請求項4】

前記加速度情報は、前記対象としての人物の首部に取り付けられた加速度センサから検出される請求項１〜３のいずれかに記載の行為検出プログラム。

【請求項5】

動きを伴う行為を判別する対象から検出された複数の軸の加速度情報について、予め定めた時間幅で複数の区間に分割された各区間の加速度の分散を算出し、連続する前記複数の区間内において複数の軸の分散の合計値に基づいて分散が最大となる区間を前記複数の軸に共通する候補領域として抽出する候補領域抽出手段と、
前記候補領域の前後に予め定めた時間幅だけ移動した区間において分散を算出し、前記候補領域及び前記前後の区間のうち分散が高い区間を新たに候補領域として選定する候補領域選定手段と、
前記候補領域選定手段が選定した前記候補領域について特徴量を算出する特徴量算出手段と、
前記特徴量算出手段が算出した前記特徴量に基づいて、前記対象の行為を判別する判別手段とを有する行為検出装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、行為検出プログラム及び行為検出装置に関する。

【背景技術】

【0002】

従来の行為検出装置として、利用者の首に巻きつけて装着され、利用者の頭部の動きを検出するものが知られている（例えば、特許文献１参照）。

【0003】

特許文献１の行為検出装置は、利用者の首に巻きつけて装着される環状に形成された装置本体と、本体の内周面に設けられて利用者の頸の前面、左面及び右面によって押圧される圧電素子と、利用者の動きに応じて圧電素子から出力される信号を外部のパーソナルコンピュータ（ＰＣ）等に出力する制御部とを有し、外部のＰＣにおいて圧電素子から出力される信号を処理させることで利用者の行為を検出する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開平１０−１９８４７６号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

本発明の目的は、従来に比べて簡易な構成で利用者の行為を検出する行為検出プログラム及び行為検出装置を提供することにある。

【課題を解決するための手段】

【0006】

［１］コンピュータを、動きを伴う行為を判別する対象から検出された複数の軸の加速度情報について、予め定めた時間幅で複数の区間に分割された各区間の加速度の分散を算出し、連続する前記複数の区間内において複数の軸の分散の合計値に基づいて分散が最大となる区間を前記複数の軸に共通する候補領域として抽出する候補領域抽出手段と、前記候補領域の前後に予め定めた時間幅だけ移動した区間において分散を算出し、前記候補領域及び前記前後の区間のうち分散が高い区間を新たに候補領域として選定する候補領域選定手段と、前記候補領域選定手段が選定した前記候補領域について特徴量を算出する特徴量算出手段と、前記特徴量算出手段が算出した前記特徴量に基づいて、前記対象の行為を判別する判別手段として機能させるための行為検出プログラム。

【0007】

［２］前記判別手段は、決定木に基づいて前記特徴量から前記対象の行為を判別する前記［１］に記載の行為検出プログラム。

【0008】

［３］前記判別手段は、前記特徴量のうち前記対象の側方の方向成分に基づいてノイズを判別し、記対象の行為としてうなずき動作を判別する前記［２］に記載の行為検出プログラム。

【0009】

［４］前記加速度情報は、前記対象としての人物の首部に取り付けられた加速度センサから検出される前記［１］〜［３］のいずれかに記載の行為検出プログラム。

【0010】

［５］動きを伴う行為を判別する対象から検出された複数の軸の加速度情報について、予め定めた時間幅で複数の区間に分割された各区間の加速度の分散を算出し、連続する前記複数の区間内において複数の軸の分散の合計値に基づいて分散が最大となる区間を前記複数の軸に共通する候補領域として抽出する候補領域抽出手段と、前記候補領域の前後に予め定めた時間幅だけ移動した区間において分散を算出し、前記候補領域及び前記前後の区間のうち分散が高い区間を新たに候補領域として選定する候補領域選定手段と、前記候補領域選定手段が選定した前記候補領域について特徴量を算出する特徴量算出手段と、前記特徴量算出手段が算出した前記特徴量に基づいて、前記対象の行為を判別する判別手段とを有する行為検出装置。

【発明の効果】

【0011】

請求項１又は５に係る発明によれば、従来に比べて簡易な構成で利用者の行為を検出することができる。

【0012】

請求項２に係る発明によれば、決定木に基づいて利用者の行為を検出することができる。

【0013】

請求項３に係る発明によれば、従来に比べて簡易な構成で利用者のうなずきを検出することができる。

【0014】

請求項４に係る発明によれば、従来に比べて簡易な構成のセンサで利用者の行為を検出することができる。

【図面の簡単な説明】

【0015】

【図1】図１（ａ）及び（ｂ）は、本発明の実施の形態に係る行為検出装置に用いられるセンサの構成例を示す概略図である。

【図2】図２は、行為検出装置の構成例を示す概略ブロック図である。

【図3】図３は、行為検出装置の動作例を示すフローチャートである。

【図4】図４（ａ）は加速度情報の各軸方向の値の一例を示すグラフ図であり、図４（ｂ）は加速度情報の各軸方向の分散値の一例を示すグラフ図である。

【図5】図５（ａ）は加速度情報の各軸方向の値の他の例を示すグラフ図であり、図５（ｂ）は加速度情報の各軸方向の分散値の他の例を示すグラフ図である。

【図6】図６（ａ）は加速度情報の各軸方向の値及び候補領域の一例を示すグラフ図であり、図６（ｂ）はシフトされた候補領域の一例を示すグラフ図である。

【図7】図７（ａ）は加速度情報の各軸方向の値及び候補領域の他の例を示すグラフ図であり、図７（ｂ）はシフトされた候補領域の他の例を示すグラフ図である。

【図8】図８は、うなずき判別手段の動作例を示すフローチャートである。

【図9】図９（ａ）〜（ｃ）は、それぞれ各軸方向の分散値についてうなずき判別手段の判別結果を示したグラフ図である。

【図10】図１０（ａ）は加速度情報のＺ軸方向の値の一例を示すグラフ図であり、図１０（ｂ）はＺ軸方向の分散値についてうなずき判別手段の判別結果を示したグラフ図である。

【図11】図１１（ａ）は加速度情報のＺ軸方向の値の他の例を示すグラフ図であり、図１１（ｂ）はＺ軸方向の分散値についてうなずき判別手段の判別結果を示したグラフ図である。

【図12】図１２（ａ）は加速度情報の各軸方向の値の一例を示すグラフ図であり、図１２（ｂ）は加速度情報の各軸方向の分散値の一例を示すグラフ図である。

【図13】図１３（ａ）は加速度情報の各軸方向の値の他の例を示すグラフ図であり、図１３（ｂ）は加速度情報の各軸方向の分散値の他の例を示すグラフ図である。

【図14】図１４（ａ）は加速度情報の各軸方向の値及び候補領域の一例を示すグラフ図であり、図１４（ｂ）はシフトされた候補領域の一例を示すグラフ図である。

【図15】図１５（ａ）は加速度情報の各軸方向の値及び候補領域の他の例を示すグラフ図であり、図１５（ｂ）はシフトされた候補領域の他の例を示すグラフ図である。

【発明を実施するための形態】

【0016】

（センサの構成）
図１（ａ）及び（ｂ）は、本発明の実施の形態に係る行為検出装置に用いられるセンサの構成例を示す概略図である。

【0017】

図１（ａ）に示すように、センサ１は、一般的にＩＣカード等を収容するＩＣカードホルダ２２を備えたネックストラップ２等のストラップ部２０に取り付けられる。ストラップ部２０とＩＣカードホルダ２２とはクリップ部２１によって連結される。

【0018】

図１（ｂ）に示すように、利用者３がネックストラップ２を装着することによって、センサ１はＩＣカードホルダ２２の自重により利用者３の首の後部に接するようにして配置され、利用者３の動きに追従するものとする。なお、以降においてセンサ１の座標系は、図中に示すように、利用者３の前方をＺ軸方向、上方をＹ軸方向、右側方をＸ軸方向とする。

【0019】

なお、センサ１は、ネックストラップ２に取り付ける他、利用者３の頭部に直接取り付けてもよいし、利用者３の着用するシャツの胸ポケットに入れてもよい。

【0020】

（行為検出装置の構成）
図２は、行為検出装置の構成例を示す概略ブロック図である。

【0021】

この行為検出装置４は、利用者３の運動を表す量の一例として複数の軸方向の加速度をセンサ１によって検出して、当該複数の軸方向それぞれの加速度から算出される特徴量に基づいて利用者３の行為を検出するものである。なお、以下において行為の一例として利用者３の首の動き、さらにその一例としてうなずきを検出する場合について説明する。従って、否定を表す首ふりや、悩みを示す首かしげ等の首の動きに適用してもよいし、センサ１の装着位置を変更して、首以外の動き、例えば、手、腕、足等の動きを検出してもよい。

【0022】

また、行為検出装置４は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等から構成され各部を制御するとともに各種のプログラムを実行する制御部４０と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やフラッシュメモリ等の記憶媒体から構成され情報を記憶する記憶部４１と、利用者の複数の軸方向の加速度を検出するセンサ１の通信部１１と無線又は有線で通信する通信部４２と、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等の表示部４３とを有する。

【0023】

なお、センサ１０は、加速度を検出する加速度センサの他、ジャイロセンサ、地磁気センサ、振動センサ等を用いて利用者３の他の運動に関する量を検出してもよい。

【0024】

また、行為検出装置４は、例えば、ＰＣであり、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）又は携帯電話機等でもよい。

【0025】

制御部４０は、後述する行為検出プログラム４１０を実行することで、加速度情報処理手段４００、候補領域抽出手段４０１、候補領域選定手段４０２、特徴量算出手段４０３、うなずき判別手段４０４及び判別結果出力手段４０５等として機能する。

【0026】

加速度情報処理手段４００は、センサ１が検出した加速度を加速度情報として受け付けて、正規化、方向の判別等の処理を行い記憶部４１に加速度情報４１１として記憶する。

【0027】

候補領域抽出手段４０１は、加速度情報４１１を時系列の区間で分割し、複数の区間から特徴量を抽出する候補を抽出する。

【0028】

候補領域選定手段４０２は、候補領域抽出手段４０１が抽出した候補から特徴量が抽出される最適な領域を選定する。

【0029】

特徴量算出手段４０３は、候補領域選定手段４０２が選定した領域から特徴量を算出する。

【0030】

うなずき判別手段４０４は、特徴量算出手段４０３が算出した特徴量を後述する決定木に基づいて利用者３がうなずいているか否かを判別する。また、過去の判別結果から得られた学習情報４１２を利用して、特徴量と比較することで判別してもよい。

【0031】

判別結果出力手段４０５は、うなずき判別手段４０４が判別した結果を判別結果４１３として出力する。出力される判別の結果としては、うなずきの回数、うなずきの時間、うなずいた人物等が挙げられる。

【0032】

記憶部４１は、制御部４０を上述した各手段４００〜４０５として動作させる行為検出プログラム４１０、加速度情報４１１、学習情報４１２及び判別結果４１３等を記憶する。

【0033】

加速度情報４１１は、加速度情報処理手段４００がセンサ１から受信して、記憶部４１に記憶されたものである。

【0034】

学習情報４１２は、うなずき判別手段４０４が過去に判別した結果であり、特徴量算出手段４０３の算出した特徴量と比較する対象として用いられる。

【0035】

判別結果４１３は、うなずき判別手段４０４が判別した結果である。

【0036】

（行為検出装置の動作）
以下に、行為検出装置４の動作を図１〜図１２を参照しつつ説明する。

【0037】

図３は、行為検出装置４の動作例を示すフローチャートである。

【0038】

まず、加速度情報処理手段４００は、センサ１の検出した加速度を、センサ１の各検出軸方向２００〜２０２について加速度情報として取得し、前処理として鉛直方向をセンサ１のＹ軸方向として、重力加速度成分を引いた値を算出して加速度情報４１１として記憶する（Ｓ１）。

【0039】

次に、候補領域抽出手段４０１は、加速度情報４１１を時間軸について分割した区間のそれぞれの分散を算出する（Ｓ２）。これは加速度の分散が大きい区間において、利用者３によって何らかの行為がなされたと判別できるためである。

【0040】

また、分割する幅は一例として１ｓｅｃとする。これは、「うなずき」が「うん」というように、１回の場合もあれば、「うん、うん、うん」と複数回の場合があり、これら双方を検出するためである。

【0041】

以下、加速度情報の例及び加速度の分散の例について説明する。

【0042】

図４（ａ）は加速度情報の各軸方向の値の一例を示すグラフ図であり、図４（ｂ）は加速度情報の各軸方向の分散値の一例を示すグラフ図である。図５（ａ）は加速度情報の各軸方向の値の他の例を示すグラフ図であり、図５（ｂ）は加速度情報の各軸方向の分散値の他の例を示すグラフ図である。

【0043】

加速度情報４１１は、一例として時間軸を横軸として図４（ａ）及び図５（ａ）のように示される。候補領域抽出手段４０１は、時間軸について１ｓｅｃ毎に区間を分割し、各区間について加速度の分散を算出し、図４（ｂ）及び図５（ｂ）に示すような情報を得る。

【0044】

次に、候補領域抽出手段４０１は、分散が最大となる時点、図４（ｂ）では２ｓｅｃ目の区間、図５（ｂ）では２ｓｅｃ目の区間を候補領域として抽出し、候補領域選定手段４０２は、候補領域の前後に区間を予め定めた時間だけ変更（以下、「シフト」という。）して、候補領域として抽出する（Ｓ３）。以下、区間をシフトする方法の例について説明する。

【0045】

図６（ａ）は加速度情報の各軸方向の値及び候補領域の一例を示すグラフ図であり、図６（ｂ）はシフトされた候補領域の一例を示すグラフ図である。図７（ａ）は加速度情報の各軸方向の値及び候補領域の他の例を示すグラフ図であり、図７（ｂ）はシフトされた候補領域の他の例を示すグラフ図である。

【0046】

候補領域抽出手段４０１は、図６（ｂ）に示す例では、図６（ａ）に示す２ｓｅｃ目の区間に対して前後５００ｍｓｅｃ分シフトさせた区間を候補領域として抽出する。また、候補領域選定手段４０２は、図７（ｂ）に示す例では、図７（ａ）に示す２ｓｅｃ目の区間に対して前後５００ｍｓｅｃ分シフトさせた区間を候補領域として抽出する。

【0047】

次に、特徴量算出手段４０３は、候補領域選定手段４０２が抽出した候補領域について特徴量を算出する（Ｓ４）。ここでは、特徴量として各軸の加速度の分散を算出する。

【0048】

次に、うなずき判別手段４０４は、特徴量算出手段４０３が算出した特徴量に基づいて、うなずきか否かを判別する（Ｓ５）。うなずきの判別は、以下に示す決定木に基づいて行う。

【0049】

図８は、うなずき判別手段４０４の動作例を示すフローチャートである。図９（ａ）〜（ｃ）は、それぞれ各軸方向の分散値についてうなずき判別手段４０４の判別結果を示したグラフ図である。

【0050】

まず、うなずき判別手段４０４は、特徴量算出手段４０３が算出した特徴量としての分散について、Ｙ軸の分散が０・１５以上である場合（Ｓ１１）、利用者３の行為は「歩行」であると判別する（Ｓ１６）。これは、「歩行」は「うなずき」と加速度の波形が似通っているが、「歩行」は利用者３の鉛直方向の加速度の分散が「うなずき」に比べて大きいため、この特性を利用して排除するものである。

【0051】

次に、うなずき判別手段４０４は、Ｚ軸の加速度の分散が０．０２以上であり（Ｓ１２）、Ｙ軸の加速度の分散が０．１０以下であり（Ｓ１３）、Ｘ軸の加速度の分散が０．０５以下である場合（Ｓ１４）、利用者３の行為は「うなずき」であると判別する（Ｓ１５）。なお、Ｙ軸の加速度の分散が一例として０．１０以下である理由は、当該分散値が実験データや学習データに基づき定められたものであり、うなずきと他の動作を識別するために有効な閾値として設定されたものであるためである。また、Ｚ軸の加速度の分散が一例として０．０５以下である理由は、「うなずき」において利用者３の側方の動きがうなずきと他の動作を識別するため、当該分散値が実験データ、あるいは学習データに基づいて設定されたためである。

【0052】

図９（ａ）〜（ｃ）は、上記した判別方法によって判別された判別結果である。まず、図８のステップＳ１２に対応した判別結果として、図９（ｃ）に示すように、Ｚ軸の加速度の分散の閾値Ｔｚ＝０．０２以上を満たすデータは、Ａ_ｚ１〜Ａ_ｚ９となる。また、上記した図９（ｃ）のデータ（Ａ_ｚ１〜Ａ_ｚ９に対応するデータ）のうち、図８のステップＳ１３に対応した判別結果として、図９（ｂ）に示すように、Ｙ軸の加速度の分散の閾値Ｔｙ＝０．１０以下を満たすデータは、Ａ_ｙ１〜Ａ_ｙ４となる。さらに、上記した図９（ｂ）のデータ（Ａ_ｙ１〜Ａ_ｙ４に対応するデータ）のうち、図８のステップＳ１４に対応した判別結果として、図９（ａ）に示すように、Ｘ軸の加速度の分散の閾値Ｔｘ＝０．００５以下を満たすデータは、Ａ_ｘ１〜Ａ_ｘ４で囲んだ区間に属するデータである。

【0053】

これらの共通する区間（Ｘ軸方向においてＡ_ｘ１〜Ａ_ｘ４で囲んだ区間）において利用者３の行為が「うなずき」であると判別でき、発明者らが実際に検証した結果、正解率は８４．８％であった。

【0054】

また、他の検証結果として以下のものが挙げられる。

【0055】

図１０（ａ）は加速度情報のＺ軸方向の値の一例を示すグラフ図であり、図１０（ｂ）はＺ軸方向の分散値についてうなずき判別手段４０４の判別結果を示したグラフ図である。図１１（ａ）は加速度情報のＺ軸方向の値の他の例を示すグラフ図であり、図１１（ｂ）はＺ軸方向の分散値についてうなずき判別手段４０４の判別結果を示したグラフ図である。

【0056】

なお、図１０は利用者の行為が「うなずき」であった場合、図１１は利用者の行為が「うなずき」以外であった場合である。

【0057】

図１０（ａ）に示すＺ軸の加速度の分散値のうち、閾値Ｔｚ＝０．０２以上のデータは、図１０（ｂ）に示す判別結果（うなずきの場合の値を１とする）と照合すると正解率は９７．１％であった。なお、うなずき判別手段４０４は、６００ｍｓｅｃ以下のものはノイズとして判定し、ノイズを除去する（Ｓ６）。

【0058】

図１１（ａ）に示すＺ軸の加速度の分散値のうち、閾値Ｔｚ＝０．０２以上のデータは、図１１（ｂ）に示す判別結果（うなずきの場合の値を１とする）と照合すると正解率は９４．３％であった。

【0059】

（実施の形態の効果）
上記した実施の形態によれば、利用者３の首の後部にセンサ１を取り付けて、各軸の特徴量から決定木に基づいて行為の一例としてうなずきを判別したため、利用者３に大掛かりなセンサを取り付けることなく、従来に比べて簡易な構成のセンサを用いて利用者の行為を検出することができる。

【0060】

また、センサ１の各軸方向について分散値を求めるとともに、分散値の高い区間の前後に候補領域として区間をシフトして各軸の特徴量を算出したため、計算コストを減少して、行為検出の精度を向上することができる。

【0061】

［他の実施の形態］
なお、本発明は、上記実施の形態に限定されず、本発明の要旨を逸脱しない範囲で種々な変形が可能である。

【0062】

例えば、うなずき判別手段４０４は、うなずきの判別の際に、学習情報４１２に予め用意されたうなずきの特徴量を基準としてＭＴ法を用いてもよい。また、ＤＴＷ（Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇ）により、学習情報４１２に予め用意されたうなずきの波形との波形マッチングを行ってうなずきを判別してもよい。

【0063】

また、候補領域抽出手段４０１は、以下に示すように、１ｓｅｃと異なる時間間隔によって区間を分割してもよい。

【0064】

図１２（ａ）は加速度情報の各軸方向の値の一例を示すグラフ図であり、図１２（ｂ）は加速度情報の各軸方向の分散値の一例を示すグラフ図である。図１３（ａ）は加速度情報の各軸方向の値の他の例を示すグラフ図であり、図１３（ｂ）は加速度情報の各軸方向の分散値の他の例を示すグラフ図である。

【0065】

加速度情報４１１は、他の例として時間軸を横軸として図１２（ａ）及び図１３（ａ）のように示される。候補領域抽出手段４０１は、時間軸について６００ｍｓｅｃ毎に区間を分割し、各区間について加速度の分散を算出し、図１２（ｂ）及び図１３（ｂ）に示すような情報を得る。

【0066】

次に、候補領域抽出手段４０１は、分散が最大となる時点、図１２（ｂ）では３ｓｅｃ目の区間、図１３（ｂ）では５ｓｅｃ目の区間を候補領域として抽出し、候補領域選定手段４０２は、候補領域の前後に区間をシフトして、新たな候補領域として抽出する（Ｓ３と同様）。

【0067】

図１４（ａ）は加速度情報の各軸方向の値及び候補領域の一例を示すグラフ図であり、図１４（ｂ）はシフトされた候補領域の一例を示すグラフ図である。図１５（ａ）は加速度情報の各軸方向の値及び候補領域の他の例を示すグラフ図であり、図１５（ｂ）はシフトされた候補領域の他の例を示すグラフ図である。

【0068】

候補領域抽出手段４０１は、図１４（ｂ）に示す例では、図１４（ａ）に示す３ｓｅｃ目の区間に対して前後３００ｍｓｅｃ分シフトさせた区間を候補領域として抽出する。また、候補領域抽出手段４０１は、図１５（ｂ）に示す例では、図１５（ａ）に示す５ｓｅｃ目の区間に対して前後３００ｍｓｅｃ分シフトさせた区間を候補領域として抽出する。

【0069】

次に、特徴量算出手段４０３は、候補領域選定手段４０２が抽出した候補領域について特徴量を算出する（Ｓ４と同様）。ここでは、特徴量として各軸の加速度の分散を算出する。

【0070】

上記したように区間を１ｓｅｃから６００ｍｓｅｃに変更することで、特徴量解析に必要最低限な区間のみを得ることができ、判別精度を向上することができる。

【0071】

また、上記行為検出プログラム１１０をＣＤ−ＲＯＭ等の記憶媒体に格納して提供することも可能であり、インターネット等のネットワークに接続されているサーバ装置等から装置内の記憶部にダウンロードしてもよい。また、加速度情報処理手段４００、候補領域抽出手段４０１、候補領域選定手段４０２、特徴量算出手段４０３、うなずき判別手段４０４及び判別結果出力手段４０５等の一部又は全部をＡＳＩＣ等のハードウェアによって実現してもよい。なお、上記実施の形態の動作説明で示した各ステップは、順序の変更、ステップの省略、追加が可能である。

【符号の説明】

【0072】

１ センサ
２ ネックストラップ
３ 利用者
４ 行為検出装置
１０ センサ
１１ 通信部
２０ ストラップ部
２１ クリップ部
２２ ＩＣカードホルダ
４０ 制御部
４１ 記憶部
４２ 通信部
４３ 表示部
１１０ 行為検出プログラム
４００ 加速度情報処理手段
４０１ 候補領域抽出手段
４０２ 候補領域選定手段
４０３ 特徴量算出手段
４０４ うなずき判別手段
４０５ 判別結果出力手段
４１０ 行為検出プログラム
４１１ 加速度情報
４１２ 学習情報
４１３ 判別結果

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】